The invention discloses a Kalman filter compensation method and system based on dynamic delay. When the data collector outputs a set of data, the sensor itself outputs a pulse to the controller as a sign of the end of data acquisition. When the controller obtains the pulse, a clock module is used to record the time. After the controller completes the analysis of the data, according to the analysis. After the data enters the timer to modify the control variables interruptively, record the time of entering the timer, subtract the two times to get the time delay, divide the time delay by the control period, and then take the whole time to get the required steps of Kalman filter compensation. The compensation steps will provide the basis for fitting and estimating the observation amount of the subsequent time delay, and then compensate and estimate the current time state quantity. The invention can make the Kalman filter state estimation used in the control more accurate, thereby achieving the goal of improving the control accuracy by improving the filtering accuracy.
【技术实现步骤摘要】
一种基于动态时延的卡尔曼滤波补偿方法及系统
本专利技术涉及数据处理领域,更具体地说,涉及一种基于动态时延的卡尔曼滤波补偿方法及系统。
技术介绍
常用控制程序中发现:实际控制应用中,会有一些数据传输、处理所产生的时延,该时延会对控制精度产生影响。然而现有的卡尔曼滤波补偿方法中,由于没有涉及到延迟时间的获取,进而对延迟步数处理为某一固定值,这对于控制精度要求较高的对象而言,此类固定的补偿步数无法满足较高精度控制的需求。以线性卡尔曼滤波为例:首先,建立系统状态空间模型wk-1为过程噪声,具体为均值为0、方差为Qk-1的高斯白噪声,vk为观测噪声,具体为均值为0、方差为Rk的高斯白噪声,xk为k时刻的状态值,H为观测矩阵,A为状态转移矩阵,zk为k时刻的观测值;依据贝叶斯滤波算法原理,卡尔曼滤波过程可分为时间更新和量测更新两个阶段,即预估和校正阶段,滤波流程如图1所示。时间更新:实现状态一步预测和协方差一步预测:其中,和Pk|k-1为k时刻的状态一步预测值和协方差矩阵,和Pk-1|k-1为k-1时刻的状态估计值与协方差矩阵,Qk-1表示k-1时刻状态噪声的方差。量测更新:依据当前时刻的观测序列,实现状态估计和协方差估计:其中,Kk表示k时刻的卡尔曼滤波增益;I为单位矩阵。已有方法中对目标状态进行固定步数的补偿,可以理解为,由于系统时延的存在,实际中无法直接获得当前时刻目标的状态。若假设系统采样周期为T,时延为hT(传统方法假设时延为某个固定值),当前时刻为k,则实际上系统只能在h+1~k时刻获得1~k-h时刻的状态,由上述滤波模型,通过滤波算法进行h步的预测,即可 ...
【技术保护点】
1.一种基于动态时延的卡尔曼滤波补偿方法,其特征在于,包含如下步骤:S1、利用数据采集器采集任意一组数据后,控制数据采集器自身输出一脉冲给控制器作为一组数据获取结束的标志,控制器记录此时的时刻ti;S2、控制器在获得该组数据后,对数据进行解析,在控制器自身完成对于该组数据的解析后,会根据解析后的数据进入定时器中断修改控制量,记录进入定时器的时间tn;其中,控制器会按照固定的控制周期T'控制一受控模块;S3、计算时延:Δt=tn‑ti;S4、计算Δt/T'后进行取整处理得到补偿步数N;S5、利用补偿步数N进行卡尔曼滤波时后续时延期间观测量的拟合估计,进而对当前时刻状态量进行补偿估计。
【技术特征摘要】
1.一种基于动态时延的卡尔曼滤波补偿方法,其特征在于,包含如下步骤:S1、利用数据采集器采集任意一组数据后,控制数据采集器自身输出一脉冲给控制器作为一组数据获取结束的标志,控制器记录此时的时刻ti;S2、控制器在获得该组数据后,对数据进行解析,在控制器自身完成对于该组数据的解析后,会根据解析后的数据进入定时器中断修改控制量,记录进入定时器的时间tn;其中,控制器会按照固定的控制周期T'控制一受控模块;S3、计算时延:Δt=tn-ti;S4、计算Δt/T'后进行取整处理得到补偿步数N;S5、利用补偿步数N进行卡尔曼滤波时后续时延期间观测量的拟合估计,进而对当前时刻状态量进行补偿估计。2.根据权利要求1所述的基于动态时延的卡尔曼滤波补偿方法,其特征在于,数据采集器包括:摄像头、声音传感器、红外传感器、浓度传感器、温度传感器、陀螺仪。3.根据权利要求1所述的基于动态时延的卡尔曼滤波补偿方法,其特征在于,取整处理为下述取整方式中的任意一种:四舍五入、去掉小数位保留整数、向上取整以及向下取整。4.根据权利要求1所述的基于动态时延的卡尔曼滤波补偿方法,其特征在于,步骤S5中,卡尔曼滤波包括:Step1:将系统状态和过程噪声一起作为新过程方程的状态,进行一次过程方程重构,重构后得过程噪声为ξk-1;Step2:通过观测差分,进行一次观测方程重构,根据重构后的观测方程获得系统的相关参数并达到噪声分离,其中获得的观测噪声记为Step3:根据ξk、的统计特性,得到它们之间的相关性;Step4:结合Step2新得到的观测方程,对一次重构后的过程方程进行二次重构,获得系统的相关参数并达到噪声分离,其中获得的新过程噪声记为包含了ξk及Step5:结合Step3的噪声统计特性分析,获取二次重构后的新过程噪声及新观测噪声满足Kalman滤波噪声数学特性所涉及到的参数,实现噪声相关性消除;Step6:利用噪声相关性消除后的数据进行新卡尔曼滤波器的构建。5.一种基于动态时延的卡尔曼滤波补偿系统,其特征在于,包含如下模...
【专利技术属性】
技术研发人员:王新梅,刘珍珠,柯帅,王锦延,曾陈意,
申请(专利权)人:中国地质大学武汉,
类型:发明
国别省市:湖北,42
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。